小红书LLM算法日常实习一面

感觉面的还可以，发下问题给大家参考，有面试过同岗的朋友欢迎评论区交流1、召回在整个推荐链路中的作用和必要性？2、多路召回融合的动态权重设计，手动还是自适应调整？3、规则召回是怎么做的，用到哪些规则？4、cf的召回过程？5、swing与cf的区别，这两者存在什么弊端6、怎么实现u-u-i的召回？7、多目标排序算法有了解吗？讲一下MMoE8、序列建模有了解吗？Code:最长递增子序列

发点面经攒攒人品项目拷打深度学习简答：1. Transformer -> Attention公式，原理2. Flash Attention原理3. LN和BN的原理和区别4. 常见的分类损失函数5. 常见激活函数有哪些6. ReLU公式，用法，存在的问题7. 常见的回归损失函数手撕代码交换正整数的两位数字，使其尽可能大给定一个N位、M进制的正整数，交换这个整数的两个数字（仅一次），使其尽可能大

发一下问题给大家参考，攒人品中。。。1.实习中多智能体系统包含几个智能体?它们之间如何交互?2.实习中意图识别模型需要识别多少个意图?3.750B模型用于什么场景?4.实习中Qwen3VL模型是多少B的?用于什么场景?5.在实习中，你主要的贡献是什么?6.检索环节做了哪些优化?7.答案生成环节做了哪些优化?8.是否做了SFT或强化学习相关工作?在哪个环节做的?9.SFT过程中是否对类别标签做了清洗或修正?10.强化学习的样本量是多少?11.基础模型经常分类分不准的案例有哪些?12.在校项目中，为什么用对话数据来增强数据集?13.在校项目任务的输出可以简单描述并举例吗?14.单智能体能否完成相在校项目关工作?为什么要智能体？15.LangGraph相对其他开源智能体编排工具的优点是什么?16.在现有场景中是否需要用到LangGraph的状态管理功能?17.如何理解Long-termMemory的实现方式?18.若将电商场景中用户的购买、点击、兴趣等信息设计为长期记忆，有什么想法?19.Context Window能否储存大量电商交互信息?如何解决存储问题?20.推理时若将大量Memory以Token形式给到大模型，Token长度过长该如何处理?21.强化学习有哪些常用技巧?22.若通过SFT进一步提升模型准确率，常用的手段有哪些?23.SFT的理想数据量是多少?如何确定?24.SFT数据分布一般怎么取?为什么选择该分布而非其他分布?

整理下面经攒攒人品1)项目介绍2)实习拷打3)在研究和业务方面你更偏向于哪一块?4)开放题:我看你也做了这么多LLM的事情，你怎么看待LLM的发展?5)场景题:假设你现在在做商品的推荐，这里面涉及到多个推荐的场景，每个推荐的场景推荐的物品又不太一样，有些地方是推电商的商品，有些又只推外卖的商品，可能还有些推的是优惠券，那你怎么想办法对这些商品进行理解后整合到一起实现一个整体的推荐系统而不是多个模型去做推荐?或者说是对不同类型的商品之间怎么用大模型或者nlp的方法去进行理解，然后把他们之间的联系建立起来?6)代码题:1)根据相似度召回top1的文本(给好了内置函数，只是要把代码根据逻辑写好2)多个SQL查询文本设计